KI-Feedback für Schüler oder KI-Assistenz für Lehrkräfte

Individuelles Feedback ist pädagogisch wertvoll, aber im Schulalltag nicht beliebig skalierbar. International wird berichtet, dass Lehrkräfte schätzungsweise nur bei ungefähr jeder fünften schriftlichen Aufgabe zeitnah eine persönliche Rückmeldung geben können.

Genau hier beginnt die interessante Frage nach dem passenden Einsatz von KI: Soll ein System den Schülerinnen und Schülern direkt Rückmeldung zu ihren Texten geben? Oder ist es didaktisch sinnvoller, KI zunächst als Assistenz für Lehrkräfte einzusetzen, die Hinweise bündelt, Entwürfe vorbereitet und den professionellen Blick unterstützt?

Die Antwort ist weniger spektakulär als manche Werbeversprechen, aber dafür hilfreicher: KI-Feedback für Lernende und KI-Assistenz für Lehrkräfte verfolgen unterschiedliche Ziele. Das eine setzt unmittelbar am Lernprozess der Schülerinnen und Schüler an, das andere stärkt die Planung, Diagnose und Rückmeldung durch die Lehrkraft. Ein sinnvoller Methodenvergleich beginnt deshalb nicht mit dem Tool, sondern mit der Frage, an welcher Stelle im Lernprozess gerade Unterstützung fehlt.

Zwei Wege, zwei pädagogische Verantwortungen

Beim direkten KI-Feedback erhält ein Schüler oder eine Schülerin nach einer Aufgabe eine automatisch erzeugte Rückmeldung. Das kann ein Hinweis zur Argumentation, zur Struktur eines Textes, zur sprachlichen Genauigkeit oder zu einem mathematischen Lösungsweg sein. Der Vorteil liegt auf der Hand: Die Rückmeldung ist schnell verfügbar und kann unmittelbar in eine Überarbeitung einfließen.

Bei einer KI-Assistenz für Lehrkräfte bleibt die Rückmeldung dagegen zunächst im professionellen Verantwortungsbereich der Lehrperson. Die KI kann Texte nach vorher festgelegten Kriterien sortieren, wiederkehrende Fehlermuster sichtbar machen, Fragen für eine Überarbeitungsrunde vorschlagen oder einen Entwurf für formative Rückmeldungen erstellen. Die Lehrkraft prüft, verändert und entscheidet, was tatsächlich an die Lernenden weitergegeben wird.

Das klingt zunächst nach einer rein organisatorischen Unterscheidung. Tatsächlich verändert es die gesamte didaktische Situation:

• Beim direkten KI-Feedback interagiert die lernende Person unmittelbar mit einem System.
• Bei der Lehrkräfteassistenz bleibt die Lehrkraft die zentrale Bezugsperson im Feedbackprozess.
• Beim direkten Einsatz müssen Schülerinnen und Schüler lernen, Rückmeldungen zu prüfen und einzuordnen.
• Bei der Assistenz muss die Lehrkraft lernen, KI-Ausgaben fachlich, sprachlich und pädagogisch zu kontrollieren.
• Beide Varianten benötigen klare Kriterien, damit aus einer schnellen Antwort tatsächlich ein Lernimpuls wird.

KI kann eine Rückmeldung beschleunigen. Ob daraus Lernen entsteht, entscheidet aber die Gestaltung des nächsten Lernschritts.

Für die Entscheidung „KI-Feedback Schule: Methoden im Vergleich“ ist deshalb ein Perspektivwechsel hilfreich. Nicht die Frage „Welche Variante ist moderner?“ führt weiter, sondern: Wer braucht an welcher Stelle welche Art von Unterstützung?

Direktes KI-Feedback: schnell, konkret und nicht automatisch verlässlich

Schülerinnen und Schüler schätzen KI-Feedback häufig deshalb, weil es ohne lange Wartezeit verfügbar ist. In Untersuchungen zur Sekundarstufe I wurde KI-Feedback, etwa über FelloFish, als konkreter und schneller als Peer-Feedback beschrieben. Das ist für den Lernprozess durchaus relevant. Eine Rückmeldung, die erst zwei Wochen nach der Abgabe eintrifft, erreicht viele Lernende nicht mehr in derselben gedanklichen Situation wie die Aufgabe selbst.

Auch bei Überarbeitungsaufgaben kann ein automatisiertes Feedback Schule sinnvoll ergänzen. Ein System kann beispielsweise aufzeigen, dass eine Argumentation zwar eine Behauptung enthält, aber noch keine Begründung oder kein Beispiel. Es kann markieren, dass Absätze sehr unterschiedlich lang sind, dass Fachbegriffe uneinheitlich verwendet werden oder dass eine Schlussfolgerung nicht aus den vorherigen Aussagen folgt.

Die pädagogische Stärke liegt dabei weniger in der vermeintlichen Bewertung des fertigen Produkts als in der Begleitung eines Zwischenstands. KI-Feedback eignet sich eher als Gesprächsanstoß zur Überarbeitung denn als endgültiges Urteil über eine Leistung.

Das gelingt besonders gut, wenn die Aufgabe und die Rückmeldung aufeinander abgestimmt sind. Ein System sollte nicht gleichzeitig Inhalt, Stil, Grammatik, Quellenarbeit, Kreativität und Eigenständigkeit bewerten. Eine solche Rückmeldung wird schnell lang, widersprüchlich und für Lernende schwer handhabbar. Besser ist ein begrenzter Fokus:

1. Die Lernenden erhalten zwei oder drei konkrete Kriterien.

2. Die KI gibt zunächst beschreibendes Feedback statt einer Gesamtnote.

3. Die Schülerinnen und Schüler entscheiden, welchen Hinweis sie zuerst bearbeiten.

4. In einer zweiten Fassung zeigen sie, was sie verändert haben.

5. Die Reflexion darüber wird selbst Teil des Lernprozesses.

Ein Beispiel aus dem Deutschunterricht: Die Aufgabe lautet, einen argumentierenden Text zur Nutzung digitaler Medien zu verfassen. Das KI-Feedback konzentriert sich ausschließlich auf die Verbindung von Behauptung, Begründung und Beispiel. Es soll nicht gleichzeitig Rechtschreibfehler korrigieren und den persönlichen Stil umformen. Die Lernenden prüfen die Hinweise, überarbeiten eine Argumentationskette und markieren anschließend, welche Änderung auf welchen Rückmeldeimpuls zurückgeht.

So entsteht Scaffolding: Die Rückmeldung bietet eine vorübergehende Stütze, ohne den gesamten Denkprozess zu übernehmen.

Wo direktes Feedback an Grenzen kommt

Die schnelle Verfügbarkeit darf nicht mit hoher Zuverlässigkeit verwechselt werden. Untersuchungen zum Vergleich von Expertenurteilen und KI-generiertem Feedback auf Schülertexte zeigten nur eine schwache statistische Übereinstimmung. Der angegebene Übereinstimmungswert lag bei ICC = 0,279. Außerdem traten in den Rückmeldungen inhaltliche Fehler und Halluzinationen auf.

Das ist kein nebensächliches technisches Problem. Wenn ein System eine richtige Aussage als fehlerhaft bezeichnet, eine nicht vorhandene Schwäche entdeckt oder eine fachlich falsche Verbesserung empfiehlt, müssen Lernende dies erkennen können. Gerade jüngere Schülerinnen und Schüler verfügen dafür nicht immer über genügend Fachwissen oder Selbstvertrauen.

In der Praxis können mehrere typische Schwierigkeiten auftreten:

• Die KI bewertet eine ungewöhnliche, aber fachlich tragfähige Lösung als falsch, weil sie von einem erwarteten Muster abweicht.
• Sie formuliert eine sprachlich elegante Alternative, die nicht mehr zur Ausdrucksweise der lernenden Person passt.
• Sie lobt einen Text sehr allgemein, ohne den eigentlichen Lernfortschritt sichtbar zu machen.
• Sie gibt zu viele Hinweise auf einmal und überfordert dadurch die Überarbeitung.
• Sie behandelt eine unsichere Interpretation wie eine eindeutige Tatsache.
• Sie erkennt nicht, ob eine Aufgabe mit Unterstützung anderer Personen oder Werkzeuge entstanden ist.

Auch die Wahrnehmung der Lernenden spielt eine Rolle. Eine Studie der EPFL zeigte, dass Schülerinnen und Schüler die Qualität von Rückmeldungen zunächst als gleichwertig einschätzten. Sobald sie jedoch erfuhren, ob die Rückmeldung von einer KI oder einem Menschen stammte, bewerteten sie den Wert der KI-Rückmeldung im Vergleich zum menschlichen Feedback geringer. Das bedeutet nicht, dass KI-Feedback grundsätzlich abgelehnt wird. Es zeigt vielmehr, dass Vertrauen, Beziehung und pädagogische Einordnung Teil der Feedbackqualität sind.

KI-Assistenz für Lehrkräfte: weniger Automatisierung, mehr Vorbereitung

Die KI-Assistenz für Lehrkräfte setzt an einem anderen Engpass an. Sie soll nicht die pädagogische Beziehung ersetzen, sondern die Vorarbeit erleichtern, die häufig zwischen Unterricht und Rückmeldung liegt.

Eine Lehrkraft kann ein anonymisiertes Schülerprodukt anhand eines vorher entwickelten Kriterienrasters analysieren lassen und sich wiederkehrende Muster ausgeben lassen. Bei 28 Texten könnte die KI beispielsweise zusammenfassen, welche Lernenden Schwierigkeiten mit der Gliederung haben, wo Belege fehlen und welche sprachlichen Fehler gehäuft vorkommen. Die Lehrkraft erhält dadurch keine fertige Wahrheit, aber eine erste Orientierung für die nächste Unterrichtsstunde.

Auch bei der Planung von Binnendifferenzierung kann eine Assistenz hilfreich sein. Ausgehend von einem gemeinsamen Lernziel lassen sich unterschiedliche Zugänge vorbereiten:

• ein sprachlich entlasteter Arbeitsauftrag,
• zusätzliche Satzanfänge für Lernende, die beim Formulieren Unterstützung benötigen,
• vertiefende Transferfragen für Schülerinnen und Schüler, die das Grundkonzept bereits sicher anwenden,
• eine kurze Selbstkontrolle mit gestuften Hinweisen,
• Vorschläge für eine Partnerphase, in der Lösungswege erklärt und verglichen werden.

Der entscheidende Unterschied zum direkten KI-Feedback: Die Lehrkraft kennt die Lerngruppe, die Vorgeschichte der Aufgabe und die individuellen Voraussetzungen. Sie kann erkennen, ob ein fehlender Fachbegriff auf ein Verständnisproblem, eine sprachliche Hürde oder schlicht auf eine unklare Aufgabenstellung zurückgeht. Die KI kann dabei Hinweise liefern, aber diese diagnostische Verantwortung nicht zuverlässig übernehmen.

In einer solchen Arbeitsweise wird KI-gestütztes Feedback im Unterricht nicht als automatische Korrektur eingesetzt, sondern als vorbereitender Baustein eines professionellen Feedbackprozesses:

1. Die Lehrkraft definiert das Lernziel und die beobachtbaren Kriterien.

2. Die KI unterstützt bei der Sortierung oder sprachlichen Vorbereitung des Materials.

3. Die Lehrkraft prüft die Vorschläge anhand des Fachinhalts und der Lerngruppe.

4. Die Rückmeldung wird auf einen konkreten nächsten Schritt zugespitzt.

5. Die Lernenden bearbeiten diesen Schritt und erhalten Gelegenheit zur Reflexion.

Das kann den Korrekturaufwand reduzieren, ohne die Entscheidung über die Qualität einer Leistung aus der Hand zu geben. Gerade bei offenen Texten, Projektprodukten oder Portfolios ist das ein wichtiger Unterschied.

Der Preis der Assistenz ist professionelle Prüfzeit

Auch eine KI-Assistenz arbeitet nicht kostenlos im pädagogischen Sinn. Jede Ausgabe muss gelesen und eingeordnet werden. Wenn ein System lange, gut klingende, aber fachlich ungenaue Rückmeldungen erzeugt, entsteht womöglich zusätzlicher Aufwand. Die Lehrkraft korrigiert dann nicht nur die Schülertexte, sondern auch die maschinellen Vorschläge.

Deshalb sollte die Assistenz möglichst eng geführt werden. Ein Kriterienraster mit vier klar beschriebenen Niveaustufen ist hilfreicher als die Aufforderung, einen Text allgemein zu bewerten. Ebenso sinnvoll ist die Begrenzung auf eine bestimmte Rückmeldungsart, etwa:

• nur Hinweise zur Belegführung,
• nur Fragen zur inhaltlichen Vertiefung,
• nur Erkennung wiederkehrender Grammatikmuster,
• nur Vorschläge für den nächsten Überarbeitungsschritt.

Je genauer der pädagogische Auftrag, desto leichter lässt sich die Ausgabe prüfen. Das ist ein Grundsatz, der auch für die direkte Arbeit mit Schülerinnen und Schülern gilt.

Der Methodenvergleich im Überblick

Die beiden Varianten lassen sich nicht auf eine einfache Rangliste reduzieren. Sie entlasten unterschiedliche Personen, erzeugen unterschiedliche Risiken und passen zu verschiedenen Lernphasen.

Diese Tabelle zeigt auch, weshalb ein Entweder-oder oft zu kurz greift. In einer Unterrichtsreihe kann die Lehrkraft zunächst mit einer KI-Assistenz typische Schwierigkeiten aus anonymisierten Entwürfen herausarbeiten. Anschließend erhalten die Lernenden für eine klar begrenzte Überarbeitungsphase direktes KI-Feedback. In einer abschließenden Gesprächsrunde wird gemeinsam geprüft, welche Hinweise fachlich hilfreich waren und welche nicht.

Damit wird die KI nicht zur unsichtbaren Bewertungsinstanz, sondern zum Gegenstand von Kompetenzentwicklung.

Was sich für verschiedene Unterrichtssituationen eignet

Schreibaufgaben und Überarbeitungsprozesse

Beim Schreiben ist direktes KI-Feedback besonders dann sinnvoll, wenn die Schülerinnen und Schüler bereits ein Kriterienverständnis besitzen. Wer nicht weiß, was eine tragfähige Begründung oder ein klarer Absatzaufbau ist, kann mit einer automatisierten Rückmeldung wenig anfangen. Die Kriterien müssen daher vor der Nutzung besprochen und an Beispielen sichtbar gemacht werden.

Eine praktikable Sequenz besteht aus drei Rückmeldeschleifen:

• Zuerst prüft die lernende Person den eigenen Text mithilfe des Kriterienrasters.
• Danach erhält sie eine begrenzte KI-Rückmeldung zu einem ausgewählten Kriterium.
• Anschließend bespricht sie die vorgeschlagene Überarbeitung mit einem Partner oder einer Partnerin.

Die Lehrkraft kann parallel beobachten, welche Hinweise häufig missverstanden werden. Wenn viele Lernende dieselbe Rückmeldung falsch interpretieren, liegt das möglicherweise nicht an den Lernenden, sondern an einer unklaren Aufgabenstellung oder einer unpassenden Rückmeldeform.

Fremdsprachenunterricht

Im Fremdsprachenunterricht kann KI bei sprachlichen Überarbeitungen anregend sein, solange die ursprüngliche Fassung erhalten bleibt. Die Schülerinnen und Schüler sollten nicht nur eine verbesserte Version übernehmen, sondern begründen, warum eine Formulierung verändert wurde. Andernfalls entsteht zwar ein glatterer Text, aber kein sicherer Lernzuwachs.

Hilfreich sind Aufgaben wie:

• Markiere eine Stelle, an der du eine präzisere Zeitform brauchst.
• Lass dir zwei mögliche Formulierungen geben und erkläre den Bedeutungsunterschied.
• Prüfe, ob die vorgeschlagene Korrektur zum Kontext passt.
• Überarbeite nur drei ausgewählte Stellen und begründe deine Entscheidung.

Für Lernende mit geringerem sprachlichem Selbstvertrauen kann das System als zusätzliche Übungsmöglichkeit wirken. Gleichzeitig braucht es eine inklusive Rahmung: Nicht jede Schülerin und jeder Schüler kann maschinelle Rückmeldungen gleich gut lesen, bewerten und in eigene Sprache übertragen. Binnendifferenzierung bleibt daher notwendig.

Mathematik und naturwissenschaftliche Fächer

Bei mathematischen Aufgaben ist nicht nur das Ergebnis relevant, sondern der Lösungsweg. Eine KI kann einen plausibel klingenden Weg ausgeben, der nicht zur konkreten Aufgabe oder zum Unterrichtsverfahren passt. Deshalb sollte das direkte Feedback nicht pauschal fragen, ob eine Lösung richtig ist. Besser sind Fragen nach einzelnen Schritten:

• An welcher Stelle wird eine Größe verändert?
• Welche Einheit gehört zu diesem Zwischenergebnis?
• Welche Regel wurde hier angewendet?
• Wie lässt sich der nächste Schritt aus dem vorherigen begründen?

Die Lehrkraft kann eine KI-Assistenz nutzen, um typische Fehlvorstellungen zu sammeln und daraus eine gemeinsame Auswertungsphase zu entwickeln. Gerade diese gemeinsame Arbeit am Fehler ist didaktisch oft ergiebiger als eine individuelle automatische Korrektur.

Lernstandsdiagnose und Förderung

Für diagnostische Entscheidungen ist Zurückhaltung geboten. Ein KI-System kann Hinweise auf Muster in Schülerprodukten liefern, aber daraus folgt noch keine belastbare Diagnose. Ein fehlender Begriff, ein kurzer Text oder eine nicht bearbeitete Teilaufgabe können sehr unterschiedliche Ursachen haben.

Die Lehrkraft sollte deshalb mehrere Informationsquellen verbinden:

• das konkrete Schülerprodukt,
• Beobachtungen aus dem Unterricht,
• mündliche Erklärungen,
• frühere Lernstände,
• die Selbsteinschätzung der lernenden Person.

KI kann beim Ordnen dieser Hinweise unterstützen, aber sie sollte nicht allein darüber entscheiden, welcher Förderbedarf vorliegt oder welche Leistung bewertet wird.

Vertrauen, Transparenz und kritisches Denken

Im Deutschen Schulbarometer gaben 62 Prozent der Lehrkräfte an, sich im Umgang mit KI unsicher zu fühlen. Gleichzeitig befürchten 60 Prozent negative Auswirkungen auf das kritische Denkvermögen der Schülerinnen und Schüler. Diese Unsicherheit ist kein Zeichen mangelnder Aufgeschlossenheit. Sie zeigt, dass der Einsatz von KI im Unterricht pädagogische Fragen berührt, für die es keine einfache Produkteinstellung gibt.

Die erste Frage lautet daher: Was sollen Lernende durch die Nutzung können, was sie ohne KI nicht oder nur schwer entwickeln würden? Wenn die Antwort lediglich lautet, dass sie schneller eine bessere Formulierung erhalten, bleibt der Lerngewinn unklar. Wenn sie dagegen lernen, Rückmeldungen zu prüfen, Belege zu hinterfragen, Fehler in einer maschinellen Antwort zu erkennen und eigene Entscheidungen zu begründen, kann KI einen Beitrag zur Kompetenzentwicklung leisten.

Dafür braucht es Transparenz. Schülerinnen und Schüler sollten wissen:

• wann sie eine KI-Rückmeldung erhalten,
• auf welche Kriterien sich diese Rückmeldung bezieht,
• dass die Ausgabe fehlerhaft sein kann,
• wer die endgültige fachliche Verantwortung trägt,
• wie sie widersprechen oder eine Rückmeldung begründen können.

Besonders wichtig ist der letzte Punkt. Ein Lernender sollte sagen dürfen, dass ein KI-Hinweis nicht zum eigenen Text oder zum behandelten Fachkontext passt. Diese Gegenrede ist kein Störfall, sondern ein Teil des Lernens mit KI.

In der Praxis kann eine kurze Rückmeldekarte helfen. Sie enthält beispielsweise drei Fragen:

1. Welcher Hinweis war für meinen nächsten Schritt hilfreich?

2. Bei welchem Hinweis bin ich unsicher?

3. Welche Änderung habe ich selbst entschieden?

Damit wird die Aufmerksamkeit weg von der Autorität des Systems und hin zur eigenen Urteilsbildung gelenkt.

Die wichtigste KI-Kompetenz im Feedbackprozess ist nicht das richtige Eingeben einer Anfrage, sondern das begründete Zweifeln an einer plausibel klingenden Antwort.

Datenschutz und Fairness gehören in die Planung, nicht ans Ende

Sobald Schülertexte, Namen, Diagnosen oder andere personenbezogene Informationen in ein System eingegeben werden, ist der Einsatz nicht mehr nur eine methodische Entscheidung. Die Schule muss klären, welche Daten verarbeitet werden, zu welchem Zweck dies geschieht und ob die Nutzung mit den geltenden schulischen und datenschutzrechtlichen Vorgaben vereinbar ist.

Für die konkrete Unterrichtsplanung bedeutet das zunächst, Datensparsamkeit ernst zu nehmen. Häufig reicht es, Texte zu anonymisieren oder nur kurze Ausschnitte zu verwenden. Für die Entwicklung eines Kriterienrasters müssen nicht automatisch vollständige Schülerprofile eingegeben werden. Auch die Aufbewahrung und Löschung von Daten gehört in die gemeinsame Absprache des Kollegiums.

Fairness betrifft darüber hinaus die Zugänglichkeit. Ein direkter KI-Einsatz kann Lernende begünstigen, die bereits über sichere Sprachkenntnisse, gute Geräte oder Unterstützung zu Hause verfügen. Andere Schülerinnen und Schüler benötigen vielleicht zunächst eine Einführung in die Funktionsweise des Tools, eine sprachliche Entlastung oder eine analoge Alternative.

Eine inklusive Lösung muss nicht bedeuten, dass alle exakt dasselbe System zur selben Zeit verwenden. Binnendifferenzierung kann auch heißen, dass manche Lernende mit vorbereiteten Leitfragen arbeiten, andere eine begrenzte KI-Rückmeldung nutzen und wieder andere zunächst im persönlichen Gespräch mit der Lehrkraft klären, woran sie weiterarbeiten.

Ein tragfähiger Einstieg beginnt klein

Wenn ein Kollegium bisher wenig Erfahrung mit KI hat, würde ich nicht mit der vollständigen Automatisierung von Korrekturen beginnen. Der Einstieg gelingt meist besser mit einer überschaubaren, fachlich klaren Aufgabe und einem begrenzten Ziel.

Ein möglicher Weg sieht so aus:

1. Ein einziges Lernziel auswählen.

Beispielsweise soll die Qualität von Begründungen in argumentierenden Texten verbessert werden. Nicht gleichzeitig Grammatik, Stil, Quellenarbeit und Kreativität bearbeiten.

2. Kriterien gemeinsam sichtbar machen.

Die Lernenden brauchen Beispiele, Gegenbeispiele und eine verständliche Sprache für das, was sie beobachten sollen.

3. Zunächst die Assistenzvariante erproben.

Die Lehrkraft lässt sich mögliche Rückmeldungsfragen oder eine Sortierung typischer Schwierigkeiten vorbereiten und prüft jede Ausgabe selbst.

4. Danach eine kurze direkte Feedbackphase anbieten.

Schülerinnen und Schüler erhalten eine begrenzte Rückmeldung zu genau einem Kriterium und müssen den Hinweis in eigenen Worten erklären.

5. Fehlerhafte oder unpassende Hinweise besprechen.

Nicht nur die gelungenen Antworten sind didaktisch wertvoll. Gerade die fehlerhaften Ausgaben machen sichtbar, warum fachliches Wissen und kritisches Denken notwendig bleiben.

6. Die Wirkung am Lernprodukt beobachten.

Entscheidend ist nicht, ob die KI eine beeindruckende Rückmeldung formuliert, sondern ob die nächste Fassung der Lernenden tatsächlich klarer, begründeter oder fachlich sicherer wird.

7. Das Verfahren gemeinsam nachjustieren.

Welche Hinweise waren verständlich? Wo entstand Überforderung? Welche Lernenden benötigten zusätzliche Unterstützung? Aus diesen Beobachtungen entwickelt sich die Methode weiter.

Dieser Einstieg nimmt auch die Unsicherheit der Lehrkräfte ernst. Niemand muss zu Beginn ein vollständiges schulisches KI-Konzept aus dem Boden stampfen. Ein kleines, transparentes Verfahren, das im Kollegium besprochen und anhand von Schülerarbeiten überprüft wird, liefert oft mehr Erkenntnisse als eine umfangreiche, aber abstrakte Leitlinie.

Welche Variante ist für welche Schule die bessere?

Eine pauschale Empfehlung wäre hier wenig hilfreich. Die passende Lösung hängt von der Lernkultur, der Altersstufe, dem Fach, den technischen Rahmenbedingungen und der Erfahrung der Lehrkräfte ab.

Direktes KI-Feedback kann passen, wenn Lernende bereits über ein solides Kriterienverständnis verfügen, ausreichend Zeit zur Überarbeitung erhalten und die Rückmeldungen nicht als fertige Bewertung behandelt werden. Es eignet sich besonders für kurze, wiederholte Lernschleifen, in denen die Schülerinnen und Schüler eine konkrete Entscheidung treffen und begründen sollen.

Eine KI-Assistenz für Lehrkräfte ist häufig der bessere erste Schritt, wenn das Kollegium zunächst Erfahrungen mit Qualität, Datenschutz und fachlicher Kontrolle sammeln möchte. Sie ist außerdem sinnvoll, wenn die zentrale Herausforderung nicht die fehlende Geschwindigkeit bei den Lernenden, sondern die hohe Menge an Korrektur- und Planungsarbeit ist.

Eine Kombination bietet sich an, wenn beide Ebenen bewusst verbunden werden: Die Lehrkraft nutzt KI zur Vorbereitung, die Lernenden nutzen sie in einem klar begrenzten Abschnitt des Lernprozesses, und am Ende wird gemeinsam reflektiert. So bleibt die Lehrkraft für die pädagogische Rahmung zuständig, während die Schülerinnen und Schüler schrittweise einen mündigen Umgang mit KI entwickeln.

Die Entscheidung lässt sich an einigen konkreten Fragen ausrichten:

• Geht es gerade um individuelles Üben oder um eine fachliche Leistungsbewertung?
• Können die Lernenden die Qualität einer Rückmeldung in diesem Fach bereits einschätzen?
• Gibt es ein klares Lernziel und wenige beobachtbare Kriterien?
• Wird nach der Rückmeldung tatsächlich überarbeitet oder nur eine Antwort abgeheftet?
• Kann die Lehrkraft die KI-Ausgabe fachlich zuverlässig kontrollieren?
• Sind Datenverarbeitung, Zugänge und Alternativen für alle Lernenden geklärt?
• Entsteht durch den Einsatz mehr Lernzeit oder lediglich mehr Text?

Der sinnvollste Weg liegt oft zwischen den Extremen

KI-Feedback für Schüler und KI-Assistenz für Lehrkräfte sind keine konkurrierenden Produkte, sondern unterschiedliche didaktische Werkzeuge. Das direkte Feedback kann kurze Rückmeldeschleifen ermöglichen und Lernende bei der Überarbeitung unterstützen. Die Assistenz kann Lehrkräfte bei der Diagnose, Planung und Differenzierung entlasten. Beide Varianten verlieren jedoch an Qualität, wenn sie als automatische Abkürzung zum fertigen Urteil verstanden werden.

Die Forschungslage macht die Grenzen sichtbar: KI-Feedback ist schnell und kann konkret wirken, zeigt aber in Vergleichen mit Expertenurteilen nur eine schwache Übereinstimmung und kann inhaltliche Fehler enthalten. Schülerinnen und Schüler erkennen solche Halluzinationen teilweise selbst, benötigen dafür aber fachliche Orientierung. Gleichzeitig nutzen bereits viele Lehrkräfte KI für schulische Zwecke; in einer Bitkom-Befragung von Lehrkräften der Sekundarstufen I und II gaben 58 Prozent eine solche Nutzung an. Die entscheidende Entwicklungsaufgabe besteht daher nicht darin, KI aus dem Unterricht fernzuhalten oder sie möglichst umfassend einzusetzen, sondern ihre Rolle sauber zu begrenzen.

Mein eigener Ausgangspunkt im Klassenzimmer wäre deshalb: Erst das Lernziel, dann die Rückmeldekriterien, danach das Werkzeug. Wenn eine KI-Assistenz uns hilft, genauer hinzusehen und Zeit für echte Gespräche zu gewinnen, ist das pädagogisch wertvoll. Wenn direktes KI-Feedback Lernende dazu bringt, ihre Überarbeitungsentscheidungen zu begründen und maschinelle Antworten kritisch zu prüfen, kann auch daraus ein tragfähiger Lernprozess entstehen.

Die Lehrkraft bleibt dabei nicht das Nadelöhr, das durch Automatisierung beseitigt werden soll. Sie ist die Person, die aus einer Rückmeldung eine Lerngelegenheit macht. Genau dort entscheidet sich, ob KI im Unterricht tatsächlich zur Ermächtigung beiträgt oder nur schneller Text produziert.